通过上图的阈值分割算法的处理结果，不难发现传统的Otsu阈值分割方法，标线和背景没有得到理想的分割，标线边界和内部出现黑洞，灰度值较低的部分被分割为了背景，这将很大程度上影响标线的识别和追踪。另外，Otsu阈值分割算法的阈值T=144，改进的Otsu阈值分割算法的阈值最后选取为131，阈值相对较小，说明白色的标线较多的体现出来，白色的标线与背景交回的地方就能清晰的显示出来。改进的Otsu阈值分割算法本算法对各种情况的车道线均能准确地识别出来，而且达到了0.453s的处理速度，满足实时性要求，是一种有效的车道线识别算法。
4 结 论
本文对传统大津法的应用局限性进行了改进，提出了基于类间距离的Otsu阈值分割算法，将该算法利用MATLAB编写，对车道标线图像进行阈值化分割，通过各种分割算法比较，发现该方法可以提高了车道线识别的实时性，能够满足高速车辆实时控制的要求，同时也有利于抑制噪音，提高了识别的可靠性和鲁棒性。
参考文献：
[1] 于天洪. 基于机器视觉的车道偏离预警系统研究[D].长春：吉林大学,2006 [2] 张德丰等. MATLAB数字图像处理（第2版）[M].北京：机械工业出版社,2012 [3] 陈峥,石勇鹏,吉书鹏. 一种改进的Otsu图像阈值分割算法[J]. 激光与红外,2012,42(5):585-588
[4] Hongmin Cai, Zhong Yang, Xinhua Cao A New Iterative Triclass Thresholding Technique in Image Segmentation IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 23, NO. 3, MARCH 2014
[5] Gonzalez R C. Digital Image Processing Using MATLAB[M]. 北京：电子工业大学出版社,2005